本文讲述了决策论统计因果关系（DT）在表示和解决因果问题中的奠基性数学和解释性，并旨在通过采用假设数据和问题之间的关系来理解何时以及如何利用外部数据来帮助解决决策问题，同时明确了支持 DT 方法应用所需的考虑因素，通过可交换性条件构建了所需的关系，并以意图治疗和干预治疗之间的区分为基础形成了 “可忽略性” 的实现条件，同时还展示了 DT 观点如何统一和阐明其他流行的统计因果性质的形式，包括潜在响应和有向无环图。

Apr, 2020

本文提出了基于信息理论思想的有限理性理论，并提供了将自由能量函数作为表征有限理性决策的目标函数的概念上的理据。该文讨论了单步决策以及如何使用等价变换将其扩展到序贯决策，扩展后得到的类别决策问题非常广泛，包括古典决策规则等极限情况以及可信和风险敏感规划。

Dec, 2015

该论文提出了一个信息论的有界理性决策模型，其中决策者在预期效用和信息处理成本之间进行权衡，被视为物理状态发生变化时的热力学机器，行为受制于自由能泛函。当忽略计算成本时，该模型还原为最大化预期效用原则。

Apr, 2012

通过机械因果模型，本文展示了如何表征和区分重要的决策理论，并生成了一个不同决策理论的分类法。

Jul, 2023

通过统计力学和信息论的思想，实验测试了资源限制下有限理性决策的正式化预测，并将该模型参数分解为受试者预期效用函数和资源参数，结果显示人类在面对资源限制时逐渐回退到他们学习的先前选择模式。

Oct, 2016

本论文提出一种基于 Broniatowski 和 Reyna 的模型的计算框架，同时结合底层语义和情感对文本决策进行建模和预测，该计算模型可以优化以预测团体和个人的冒险决策。

May, 2022

本文概述了决策论框架的统计因果关系，该框架适合于解决确定应用原因的效果的问题，并详细介绍了该方法，并与其他当前的公式进行了比较和对比，涵盖的主题和应用包括混淆，对待疗法的影响，工具变量和动态治疗策略。

May, 2014

本研究使用量子决策理论首次对二元冒险选择数据集进行校准，发现存在选择反转的数量，并通过引入主流派和反对派将决策者异质性来优化选择反转的预测，结果比 logit-CPT 模型在各个级别上表现出更好的预测能力，表明存在内在可预测性的固有限制，并对人类决策者的选择预测以及人工智能的运营有应用前景。

Mar, 2023

本文提出基于 Causal Graphical Model 的 Causal Decision Problem 的求解方法，并结合 Pearl 的 Do-Calculus 及 Expected Utility 原理，提出一种在线决策制定程序，可学习环境因果模型，并展示与经典强化学习算法具有类似的性能。因此，本文旨在提供基于因果信息的决策制定程序的优化保证。

Feb, 2019

本文研究有限理性决策制定在考虑计算成本和期望效用之间进行权衡的过程，并探讨它与热力学系统中能量和熵之间相似的思路，同时使用非平衡热力学的概念量化这种过程中的效率低下和计算资源的关系。

Dec, 2013